[发明专利]生成深度神经网络的方法、装置和计算机可读存储介质在审
| 申请号： | 201710893595.1 | 申请日： | 2017-09-27 |
| 公开（公告）号： | CN108205707A | 公开（公告）日： | 2018-06-26 |
| 发明（设计）人： | 孔畅;李嘉斌;刘文志 | 申请（专利权）人： | 深圳市商汤科技有限公司 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08 |
| 代理公司： | 深圳中一专利商标事务所 44237 | 代理人： | 姚泽鑫 |
| 地址： | 518000 广东省深圳市*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于人工智能领域，提供了一种生成深度神经网络的方法、装置和计算机可读存储介质，以使得深度神经网络模型具有自适应性。所述方法包括：将训练样本输入深度神经网络模型，获得训练样本的样本特征；根据样本特征确定深度神经网络模型的训练不满足训练终止条件，则以模型分子为单位扩展深度神经网络模型的模型结构，并再次执行将训练样本输入深度神经网络模型的步骤，直至得到的样本特征满足训练终止条件时停止训练。本发明提供的技术方案使得深度神经网络模型的结构具有高度的自适应性。 | ||
| 搜索关键词： | 神经网络模型 训练样本 样本特征 计算机可读存储介质 神经网络 终止条件 自适应性 人工智能领域 模型分子 模型结构 | ||
【主权项】：
1.一种生成深度神经网络的方法，其特征在于，所述方法包括：将训练样本输入深度神经网络模型，获得所述训练样本的样本特征，所述深度神经网络模型用于完成目标任务；根据所述样本特征确定所述深度神经网络模型的训练不满足训练终止条件，则以模型分子为单位扩展所述深度神经网络模型的模型结构，并再次执行将训练样本输入深度神经网络模型的步骤，直至得到的所述样本特征满足训练终止条件时停止训练；所述模型分子为根据所述目标任务的需求对模型原子进行组合得到子网络结构，所述模型原子包括卷积单元，池化单元，非线性单元以及全连接单元任一项以上的组合。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于深圳市商汤科技有限公司，未经深圳市商汤科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710893595.1/，转载请声明来源钻瓜专利网。
